开发一种可解释的QSAR模型,用于预测基于GA-MLR算法在老鼠中激烈口服有机酸盐的毒性
Guanqi Yu1,2, Qianlan Zhuo2, Chuan Wang2,3
1School of Environmental Science & Engineering, Tianjin University, Tianjin, China.
概括
本研究引入了一种定量结构-活性关系 (QSAR) 模型来预测有机 (OP) 毒性,为传统方法提供了更快的替代方案. 该模型准确地确定了影响OP毒性的关键分子特征.
科学领域:
- 毒理学 毒理学 毒理学
- 计算化学计算化学
- 药用化学 医学化学
背景情况:
- 有机酸盐 (OPs) 是具有广泛毒性的危险化学物质.
- 传统的体内毒性检测是耗时和劳动密集的.
- 预测模型的开发对于有效的风险评估至关重要.
研究的目的:
- 开发和优化定量结构-活性关系 (QSAR) 模型,用于预测有机酸盐 (OPs) 对老鼠的急性毒性.
- 确定影响OP毒性的关键分子描述因素.
- 为传统的毒性测试方法提供可靠和有效的替代方案.
主要方法:
- 利用二维分子和量子化学描述器用于QSAR建模.
- 采用基于遗传算法的多重线性回归 (GA-MLR) 来进行模型优化.
- 通过离开一次的交叉验证 (LOOCV) 和外部测试套件验证了模型.
主要成果:
- 最优的QSAR模型实现了0.7451的确定系数 (R^2) 和0.6208.8的交叉验证系数 (Q^2_Loo).
- 外部验证给出了0.7360的R^2_ext,证明了出色的预测性能.
- NumHDonors和PEOE_VSA被确定为影响OP毒性的最重要的描述因素.
结论:
- 开发的QSAR模型提供了一种可靠和准确的方法来预测OP毒性.
- 与键捐赠和部分电荷相关的分子描述器显著影响OP毒性.
- 这种方法为风险评估和了解OP毒性机制提供了有价值的工具.
更多相关视频
16:02Demonstration of the Sequence Alignment to Predict Across Species Susceptibility Tool for Rapid Assessment of Protein Conservation
Published on: February 10, 2023
2.6K
06:25Author Spotlight: High-Throughput Toxicity Screening Using Zebrafish Embryo Startle Response Assay
Published on: January 12, 2024
1.3K
